《中国人工智能学会通讯》——2.4 智能汽车对人机交互和人机协同技 术的需求

简介: 本节书摘来自CCAI《中国人工智能学会通讯》一书中的第2章,第2.4节, 更多章节内容可以访问云栖社区“CCAI”公众号查看。

2.4 智能汽车对人机交互和人机协同技 术的需求

对于汽车智能驾驶技术,经历从初期的危险预警,到高级驾驶辅助,最后到完全自主驾驶的发展过程。目前由于技术的限制,在智能驾驶汽车发展到具备完全自主驾驶能力之前,驾驶员与车辆自主驾驶系统进行互动,共同实现车辆安全驾驶的情况将长期存在。事实表明,人类驾驶员与自主驾驶系统在环境感知、决策与规划、控制执行等方面的能力存在互补性。人在环境感知方面具有丰富的经验知识,具有较强的鲁棒性和适应性。自主驾驶系统可以长时间持续地对环境进行全方位、高精度探测,在发现危险时主动进行辅助干预,弥补人的不足。另外,人类驾驶员的经验数据可以被自主驾驶系统进行评估和模仿学习,也可以指导具有自学习能力的自主驾驶系统不断改善性能。因此,智能汽车技术需要研究的一项重要课题就是通过人机交互和人机智能融合技术,协调人类驾驶员和自主驾驶系统这两个“驾驶员”,从而优化汽车行驶性能。

在目前主流的汽车主动安全产品中,人机交互和人机协同模式主要处于初级辅助驾驶阶段,如危险告警等。在奔驰、宝马、奥迪、沃尔沃等著名汽车企业最近推出的驾驶辅助系统中,汽车驾驶控制过程仍然主要由人类驾驶员完成,机器自主能力有限,尚不具备复杂环境下灵活多变的人机协同驾驶能力。车载人机交互系统的功能限于提供基本的车辆状态信息显示、地图导航,以及多媒体娱乐应用等附加服务功能,缺乏面向智能驾驶过程的人机交互机制。

在人车交互控制系统中,驾驶员在驾驶过程中的心理负荷、操纵负荷直接影响着驾驶员的驾驶行为,进而影响人车交互控制情况和道路交通安全。为提升人车共驾情况下驾驶员的安全性和舒适性,有必要对驾驶员的驾驶行为模型进行系统深入的研究,内容包括人 - 车 - 路协同工作条件下的驾驶行为机理、驾驶员认知负荷模型、驾驶员的操纵负荷模型,掌握驾驶辅助技术的适用范围和驾驶员交互接管控制能力。上述研究是实现高效人车交互控制的前提,是智能汽车向人性化与个性化发展的重要技术途径。围绕智能汽车中的人机交互机理与人机共驾技术展开研究,对于促进智能汽车驾驶技术的发展具有重要意义。

相关文章
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能技术的探讨
人工智能的概念,人工智能的发展,人工智能的各种学派,人工智能的应用领域
446 4
|
9月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能:有多少人工,才能有多少智能?
当下AI大模型的能力,特别是Agent领域,到底离不开多少“人工”的加持?本文将结合我的实际经验,深入探讨高质量数据与有效评价体系在Agent发展中的决定性作用,并通过编码Agent、Web Agent和GUI Agent的成熟度分析,揭示AI智能体发展面临的挑战与机遇。
355 89
|
12月前
|
人工智能 自然语言处理 算法
生成式人工智能认证(GAI认证)与标准化进程协同发展及就业市场赋能研究
本文探讨生成式人工智能认证(GAI认证)在人工智能标准化进程中的重要性,分析其对就业市场的积极影响及未来发展趋势。GAI认证不仅是个人AI能力的权威认可,还推动行业标准化与技术创新。文章指出,随着技术融合加速和应用场景拓展,GAI认证标准需不断完善,以应对技术更新、数据安全等挑战,为AI健康发展贡献力量。
|
11月前
|
人工智能 语音技术
推动人工智能技术和产业变革,啥是核心驱动力?生成式人工智能认证(GAI认证)揭秘答案
人工智能(AI)正以前所未有的速度重塑世界,其发展离不开领军人才与创新生态的支持。文章探讨了AI领军人才的核心特质及培养路径,强调构建产学研深度融合的创新生态,并通过教育变革与GAI认证提升全民AI素养,为技术与产业变革提供持续动力。这不仅是推动社会高质量发展的关键,也为个人与企业带来了更多机遇。
|
6月前
|
机器学习/深度学习 人工智能 供应链
决策智能是新的人工智能平台吗?
决策智能融合数据、决策与行动,通过AI与自动化技术提升企业决策质量与效率,支持从辅助到自动化的多级决策模式,推动业务敏捷性与价值转化。
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
生成式人工智能的价值回归:重塑技术、社会与个体的发展轨迹
生成式人工智能(Generative AI)正以前所未有的速度重塑社会面貌。它从单一决策工具转变为创造性生产力引擎,推动知识生产、艺术创作与科学研究的发展。同时,其广泛应用引发社会生产力和生产关系的深刻变革,带来就业结构变化与社会公平挑战。此外,生成式AI还面临伦理法律问题,如透明性、责任归属及知识产权等。培生公司推出的生成式AI认证项目,旨在培养专业人才,促进技术与人文融合,助力技术可持续发展。总体而言,生成式AI正从工具属性向赋能属性升华,成为推动社会进步的新引擎。
|
11月前
|
人工智能 自然语言处理 API
MCP与A2A协议比较:人工智能系统互联与协作的技术基础架构
本文深入解析了人工智能领域的两项关键基础设施协议:模型上下文协议(MCP)与代理对代理协议(A2A)。MCP由Anthropic开发,专注于标准化AI模型与外部工具和数据源的连接,降低系统集成复杂度;A2A由Google发布,旨在实现不同AI代理间的跨平台协作。两者虽有相似之处,但在设计目标与应用场景上互为补充。文章通过具体示例分析了两种协议的技术差异及适用场景,并探讨了其在企业工作流自动化、医疗信息系统和软件工程中的应用。最后,文章强调了整合MCP与A2A构建协同AI系统架构的重要性,为未来AI技术生态系统的演进提供了方向。
1560 62
|
9月前
|
机器学习/深度学习 人工智能 自动驾驶
人机融合智能 | 以人为中心的人工智能伦理体系
本章探讨“以人为中心”的人工智能伦理体系,分析人工智能伦理与传统伦理学的关系、主要分支内容及核心原则。随着人工智能技术快速发展,其在推动社会进步的同时也引发了隐私、公平、责任等伦理问题。文章指出,人工智能伦理需融入传统伦理框架,并构建适应智能技术发展的新型伦理规范体系,以确保技术发展符合人类价值观和利益。
423 4
|
9月前
|
机器学习/深度学习 人工智能 算法
人机融合智能 | 以人为中心人工智能新理念
本文探讨了“以人为中心的人工智能”(HCAI)理念,强调将人的需求、价值和能力置于AI设计与开发的核心。HCAI旨在确保AI技术服务于人类,增强而非取代人类能力,避免潜在危害。文章分析了AI的双刃剑效应及其社会挑战,并提出了HCAI的设计目标与实施路径,涵盖技术、用户和伦理三大维度。通过系统化方法,HCAI可推动AI的安全与可持续发展,为国内外相关研究提供重要参考。
675 3
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
人机融合智能 | 数据与知识双驱动式人工智能
本章系统介绍了数据驱动、知识驱动及双驱动人工智能的理论与应用。数据驱动方法依赖大数据和深度学习,在图像识别、自然语言处理等领域取得突破,但面临标注成本高、可解释性差等问题。知识驱动方法通过知识表示与推理提升系统理解能力,却在泛化性和适应性上受限。为弥补单一范式的不足,数据与知识双驱动融合两者优势,致力于构建更智能、可解释且安全可靠的AI系统,兼顾伦理与隐私保护。文章还回顾了AI发展历程,从早期神经网络到当前大规模语言模型(如GPT、BERT)的技术演进,深入解析了各类机器学习与深度学习模型的核心原理与应用场景,展望未来AI发展的潜力与挑战。
564 0

热门文章

最新文章